«Это 12-й день моего участия в ноябрьском испытании обновлений, ознакомьтесь с подробностями события:Вызов последнего обновления 2021 г."
Введение
Из введения в предыдущих двух главах мы узнали, что оценка угроз с помощью беспилотных боевых машин является очень утомительной задачей. Традиционная оценка угроз больше не подходит для быстро меняющегося поля боя. Только следуя веяниям времени и используя компьютерные технологии, построить динамическую байесовскую сеть для наблюдения в реальном времени и мониторинга в реальном времени, чтобы соответствовать требованиям оценки угроз.
Эта статья начинается с введения в построение динамической байесовской сети:
Построение динамической байесовской сети
Ключом к использованию байесовской сети для оценки угроз является построение структуры сети, то есть создание системы оценки в соответствии с характеристиками цели. Содержание этой главы сначала устанавливает структуру SBN, а затем рассматривает временные характеристики, а затем расширяет ее до DBN.
Построение модели статической байесовской сети
SBN представляет собой модель представления и рассуждения неопределенных знаний, основанную на теории вероятностей и теории графов, которая представлена в виде направленного ациклического графа (DAG). SBN состоит из двух частей: структуры сети G и параметров сети θ. То есть B=(G, θ). G — ориентированный ациклический граф, а направленные ребра в графе представляют собой условные зависимости между переменными; θ — условное распределение вероятностей, связанное с каждой переменной, представленное таблицей условных вероятностей (CPT), типичная BN выглядит следующим образом Как показано на рисунке:
Пусть надежность узла X равна Bel(X), скажем, X получает причинно-следственную информацию Π от родительских узлов U и V и получает диагностическую информацию от дочерних узлов Y и Z.
. тогда
Учитывая, что в этом SBN узел X изолирует свои родительские узлы U и V от дочерних узлов Y и Z, а U и V не зависят друг от друга, поэтому
В формуле
То есть a — это коэффициент нормализации, который совместно определяется родительским узлом и дочерним узлом X.
При всестороннем анализе каждого признака получается структурная схема G модели оценки угрозы наземной цели на основе SBN:
Расширение модели динамической байесовской сети
СБН не учитывает влияние непрерывных временных факторов, и точно оценить степень угрозы динамических боевых целей сложно, тогда как ДБН расширяет СБН во временном измерении, и может оценивать состояние в конкретный момент времени по значениям наблюдения в несколько раз.Поэтому результаты оценки более разумны. ДБН основан на БН. По сравнению с BN, DBN необходимо установить вероятность перехода состояния между двумя временными интервалами, то есть априорная вероятность степени целевой угрозы динамически обновляется в каждом временном интервале. Пусть P(Wi+1|wi) — матрица вероятности перехода узлов угроз в соседних байесовских временных срезах, P(w'i) — апостериорная вероятность узла степени угрозы в текущем временном интервале, то априорная вероятность узла степени угрозы в следующем временном интервале может быть выражена как P(wi+1)=P('i)P(wi+1|wi). Модель оценки угроз на основе ДБН представлена на рисунке:
сообщение
В этой статье в основном рассказывается о том, как реализовать оценку угроз целей беспилотных боевых машин с помощью динамических байесовских сетей.В сочетании с содержанием предыдущих трех глав систематически объясняется содержание «Оценка угроз целей беспилотных транспортных средств на основе динамических байесовских сетей». , чтобы каждый мог иметь предварительное представление о динамическом Байесе.